Mercury 3 vs Claude Opus 5.5: En utdatatoken som är 57 gånger billigare är inte samma sak som ett billigare svar

Mercury 3 kostar 0,35 USD per miljon output-token den här veckan. Claude Opus 5.5 kostar 20,00 USD. Multiplicera en supportkö med de två siffrorna och gapet ser ut som ett misstag i ett av prisbladen – 57 gånger, till lanseringspriset, eller 28,6 gånger när Inceptions 50-procentiga rabatt upphör och Mercury 3 återgår till 0,70 USD. Frågan som avgör jämförelsen är inte vilket tal som är mindre. Det är hur många Mercury 3-anrop du måste göra för att få ett svar som Opus 5.5 skulle ha fått rätt på första försöket, eftersom varje återförsök, varje eskalering och varje mänsklig granskning faktureras enligt taxan för personen eller det andra anropet, inte enligt taxan för token. De dokumenterade AI-felen och agentincidenterna bakom releaser som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och flagga för omtvistad uppgift.

Den här inramningen spelar roll eftersom dessa två modeller inte är konkurrenter i vanlig mening. Claude Opus 5.5, som Anthropic släppte den 22 september 2026, är en frontier-resonemangsmodell för 4 dollar per miljon indatatoken och 20 dollar per miljon utdatatoken, byggd för långsiktig agentisk kodning och kunskapsarbete, med adaptivt tänkande, bild- och filinmatning, en kontext på 1 miljon token och ett utdatatak på 128K. Mercury 3, som Inception Labs släppte den 19 oktober 2026, är en diffusionsspråkmodell byggd för hastighet: 1 068 token per sekund på NVIDIA-hårdvara enligt Inception Labs egen mätning, 1M kontext, 131K utdata, endast text, och ett kvalitetspåstående som namnger GPT-6 Luna och Claude Haiku 5.5 — snabbhetsnivån — snarare än Opus. Att jämföra dem är ändå värt att göra, eftersom prisgapet inbjuder till exakt den substitution som positioneringen inte stöder.

Var siffrorna faktiskt kommer ifrån

Varje kvalitetssiffra för Opus 5.5 i den här artikeln kommer från Artificial Analysis och är uppmätt med dess egen testram: ett Intelligence Index på 57,6, Humanity's Last Exam på 61,4 %, SciCode på 66,9 %, Terminal-Bench 4.0 på 59,6 % och långkontextsåterkallelse på 84,7 %. Dessa är oberoende och aktuella denna vecka.

Varje Mercury 3-siffra är {{1}}Inceptions{{/1}} och publicerades igår, med ett undantag: genomströmningsjämförelsen med föregående generation. Artificial Analysis mäter Mercury 2.5 till 705,9 tokens per sekund och Mercury 2 till ungefär 684. Mercury 3 har ännu ingen Artificial Analysis-sida — modellindexet slutar fortfarande vid Mercury 2.5 — så dess 1 068 tok/s och påståendet att den {{2}}"överträffar GPT-6 Luna och Claude Haiku 5.5"{{/2}} är leverantörsuppgifter som inte har reproducerats och bör betraktas som sådana i minst en vecka till.

Den asymmetrin är hela jämförelsen i miniatyr. Den ena sidan har ett oberoende granskat betyg och en publicerad prislista; den andra har ett lanseringsinlägg, en rabatt och en mycket stor hastighetssiffra.

Specifikation för specifikation, med bevisen bifogade.

• Utpris — Mercury 3 $0,35 per miljon vid lansering, $0,70 till listpris, jämfört med Opus 5.5:s $20,00. Förhållandet är 57x under kampanjen och 28,6x efter den.

• Indatapris — Mercury 3 $0.10 vid lansering, $0.20 enligt listpris, jämfört med Opus 5.5:s $4.00. Samma mönster, något bredare förhållande.

• Cachad indata — Mercury 3 $0.01 vid lansering, $0.02 enligt listpris, jämfört med $0.20 för Opus 5.5:s cacheläsningar. Opus tar också $5.00 per miljon för att skriva till 5-minuterscachen och $8.00 för ettimmescachen, vilket Mercurys prislista inte redovisar separat.

• Genomströmning — Mercury 3 vid 1 068 tok/s per Inception, inte reproducerat; Opus 5.5 vid 75,6 tok/s utdata mätt över vår egen playground-trafik under de senaste sju dagarna. Det är en fjortonfaldig skillnad i den riktning som Inception hävdar, och denna är åtminstone mätt på båda sidor, om än med olika testramverk.

• Tid till första token – Mercury 3 är en diffusionsmodell som genererar parallellt, så dess första användbara utdata kommer tidigare än en autoregressiv modells; Inception publicerar ingen siffra för chattändpunkten, och deras påstående om under 300 ms på företagets webbplats avser produktlinjen snarare än Mercury 3 specifikt. Opus 5.5:s p50-latens från början till slut på vår trafik är 4,4 sekunder, vilket inkluderar tänkande.

• Kontext – båda 1M tokens. Taket för utdata skiljer sig: 131 072 för Mercury 3, 128 000 för Opus 5.5.

• Indata – Opus 5.5 tar emot text, bilder och filer; Mercury 3 tar emot text. Detta är ingen liten detalj. Ett dokument, en skärmbild, ett diagram eller en PDF i din pipeline diskvalificerar tyst Mercury 3.

• Resonemangskontroll — Mercury 3 erbjuder omedelbar, låg, medel och hög ansträngning och standardvärdet är låg när fältet utelämnas. Opus 5.5 använder adaptivt tänkande med en egen ansträngningsratt. Båda har standardvärden som kommer att överraska dig om du inte anger fältet explicit: Mercury 3 på låg, Opus på vad Anthropics adaptiva policy än väljer för begäran.

Bevis — Opus 5.5 har ett oberoende indexresultat och en benchmarktabell från leverantören; Mercury 3 har varken ett tredjepartsresultat eller ett numeriskt leverantörsresultat.

Det enda agentresultat som Inception faktiskt publicerade

Dolt under genomströmningspåståendena finns det enda kvalitetsmåttet för Mercury 3 med en definierad uppgift: en webagent-harness körd på 50 live Mind2Web-navigeringsuppgifter, där Mercury 3 slutförde 50 % och, enligt Inception, "betydligt fler än GPT-6.1-Sol", med samma tokenvolym och antal agentsteg.

Läs det noggrant. Jämförelsemodellen är GPT-6.1 Sol, inte Opus 5.5. Testramverket är Inceptions eget produktionsramverk. Urvalet är 50 uppgifter. Och "samma tokenvolym och samma antal agentsteg" är den viktiga delen för kostnaden, eftersom det innebär att besparingen per uppgift verkligen är förhållandet per token snarare än en artefakt av att modellen tar färre steg för att nå dit. En slutförandegrad på 50 % vid navigering på live-webbplatser är ett trovärdigt resultat för en snabb modell; det är inte ett påstående att Mercury 3 skulle slutföra en kodningsuppgift i Opus-klass.

För Opus 5.5 är motsvarande bevis Terminal-Bench 4.0 på 59,6 % i testramverket från Artificial Analysis – ett annat benchmark, en annan uppgiftsfamilj och inte direkt jämförbart. Det ärliga påståendet är att ingen har kört båda modellerna på samma agentbenchmark och publicerat resultatet. Tills någon gör det är varje påstående om vilken som är bättre på agentarbete en slutledning utifrån positionering.

Vad en veckas trafik kostar för var och en

Ta en arbetsbelastning som är rimlig för båda: 2 miljoner indatatokens och 500 000 utdatatokens per dag, ungefär en medelstor support- eller forskningsassistent med några hundra tusen anrop. På Mercury 3 till lanseringspriset är det $0.20 för input och $0.175 för output – under fyrtio cent per dag. Till listpris är det $0.40 och $0.35, eller 75 cent. På Opus 5.5 är samma trafik $8.00 för input och $10.00 för output, eller $18.00 per dag.

Lägg nu till den del som token-matematiken döljer. Om Mercury 3 behöver ett andra försök på ett av fem anrop, och varje nytt försök kostar lika mycket som det ursprungliga, stiger det effektiva priset med 20 % – till ungefär 45 cent per dag. Även i det absurda fallet där varenda ett anrop måste upprepas en gång skulle räkningen bli 75 cent, fortfarande 24 gånger lägre än Opus 5.5. Prisargumentet är inte ens i närheten, och det är just därför beslutet i stället måste fattas utifrån kvalitet och kapacitet.

Vänder man på det förklarar samma räkneexempel varför folk fortfarande betalar för Opus. Med $18 om dagen betalar en enda undviken eskalering per dag — en supportinteraktion som inte når fram till en människa, en kodändring som inte behöver en andra granskning — hela Opus-fakturan flera gånger om. Modellen är dyr per token eftersom arbetet den ersätter är ännu dyrare.

De kapacitetsrader som inte visas i en pristabell

Opus 5.5 tar emot bilder och filer, vilket innebär att den kan läsa skärmbilden en användare bifogar, PDF-filen som ett avtal ligger i eller diagrammet i ett designdokument. Mercury 3 är text in, text ut. Om din arbetsbelastning rör något av detta är jämförelsen över där och prisskillnaden irrelevant.

Opus 5.5 har också Anthropics verktygsyta: strukturerade utdata, verktygsanvändning, ett batch-API till halva priset för asynkront arbete och prompt-cachning med explicita skriv- och läspriser. Mercury 3 har verktygsanrop och strukturerade utdata via en OpenAI-kompatibel slutpunkt, vilket är genuint praktiskt – den passar rakt in i befintlig kod utan omskrivning – men dess caching är en rabatt på indata snarare än en dokumenterad livscykel för cache-skrivningar.

Den omvända kapacitetsdimensionen är hastighet. Opus 5.5 på 75,6 tokens per sekund fungerar för en kodagent som arbetar sig igenom en lång uppgift och är plågsamt för allt som en människa väntar på. Mercury 3:s säljargument är att en person som väntar på den inte märker väntetiden. Om din produkt är en röstvändning, en autokomplettering, ett söksvar eller en handledares ledtråd, är den skillnaden själva produkten, inte en trevlig extrafunktion.

Hur man kör båda utan att satsa på endera

Claude Opus 5.5 finns i vår katalog som anthropic/claude-opus-5.5 till Anthropics listpriser — 4 USD för input, 20 USD för output, 0,20 USD för cacheläsningar — med 0 % påslag, så en ändring i Anthropics prislista syns hos oss samma dag i stället för vid nästa faktureringscykel. Mercury 3 finns inte i vår katalog: vårt modell-API returnerar inga Inception-modeller alls, och den ärliga instruktionen är att nå den via Inceptions egen plattform. Vi kommer inte att låtsas något annat för att få en routing-pitch att landa.

Det som uppdelningen är bra för är just det här beslutet. Sätt Mercury 3 bakom Inceptions nyckel på den latenskritiska nivån, behåll Opus 5.5 som eskaleringsväg bakom en enda OpenAI-kompatibel endpoint tillsammans med över 200 andra modeller, och låt den automatiska failovern fånga upp fallet där den nya leverantören vacklar under sin första månad. Själva routnings-DSLen kan uttrycka överlämningen – snabb modell först, eskalera vid en signal om låg konfidens eller ett misslyckat verktygsanrop – utan en andra integration för reservvägen. Till slut mäter du Mercury 3 mot din egen trafik i stället för mot ett lanseringsinlägg, och du behåller modellen som kan läsa en skärmbild för de förfrågningar som behöver det.

Vilken ska man välja?

Om din arbetsbelastning enbart består av text, är latensbegränsad och tål ett enstaka felaktigt svar som en människa eller ett återförsök kan fånga upp, är Mercury 3 till lanseringspris ett av de billigaste trovärdiga alternativen som finns den här veckan, och de 100 miljoner gratis tokens på Inceptions plattform gör provperioden nästan gratis. Prova det på din egen trafik, lås effort-inställningen och mät andelen återförsök i stället för genomströmningen.

Om din arbetsbelastning omfattar dokument, bilder, kodändringar över lång tid eller svar som ingen kontrollerar innan någon agerar på dem, är Opus 5.5 fortfarande det försvarbara valet, och priset är inte den intressanta variabeln. Dess oberoende indexpoäng, dess multimodala indata och dess publicerade benchmarktabell är det du betalar för, och ingen av dem har någon Mercury 3-motsvarighet ännu.

Misstaget man ska undvika är att behandla 57x som ett migrationsmandat. Det är en rabatt på tokens, och tokens är den billigaste delen i de flesta AI-system. De dyra delarna – en människa som granskar utdata, ett felaktigt svar som når en kund, en pipeline som byggts om kring en modell som inte kan se – är precis de delar som pristabellen inte visar.